Экономика искусственного интеллекта в здравоохранении. Оценка мирового рынка в 2024 г. с прогнозом до 2032 г.

Алексей
Мартынов
руководитель направления маркетинга компании "Цифрум" (Росатом)
23.10.2024

Введение

Наше индивидуальное здоровье формируется под влиянием множества факторов, среди которых ключевую роль играют образ жизни, питание и окружающая среда. Эти элементы — поведенческие, социально-экономические, физиологические и психологические аспекты — составляют около 60% детерминант нашего здоровья. Генетика вносит свой вклад, составляя примерно 30% и лишь 10% определяется историей болезни [1]. Поэтому критически важно повышать эффективность здравоохранения.

Текущая ситуация характеризуется следующими глобальными факторами:

  • расходы на здравоохранение составляют до 10% [2, 3] от мирового ВВП, с заметными различиями в расходах по странам;
  • демографическое сжатие: замедление темпов роста населения, рост населения в возрасте 65 лет и старше опережает рост более молодых возрастных групп [4], что увеличивает потребность в лечении хронических заболеваний, а также усилия по продлению трудовой жизни;
  • значительный рост психических и поведенческих расстройств, раковых образований [5] и других заболеваний;
  • к 2030 г. прогнозируется нехватка 10,2 млн работников здравоохранения [4], дефицит по регионам распределяется неравномерно.

Решение задач снижения нагрузки на систему здравоохранения, облегчения эмоционального выгорания врачей, повышения качества жизни возрастного населения, сокращения бюджетных расходов на социальное обеспечение, повышения эффективности лечения, углубления знаний — все эти аспекты требуют решения.

Технологии ИИ и другие инновации могут стать не просто дополнением к существующим методам, а основой для создания более устойчивой ценностно-ориентированной среды оказания медицинской помощи.

В настоящей статье рассматривается потенциал влияния технологий ИИ на здравоохранение, в том числе динамика рынков, кейсы, игроки, ограничения и эффекты, которые могут изменить облик медицины.

Глобальный рынок технологий ИИ в здравоохранении

Оценочно, объем мирового рынка ИИ в здравоохранении составит 28,3 млрд долл. / 2024 г. и 180,8 млрд долл. / 2032 г., с ежегодным темпом роста (CAGR) в 26,1% в период с 2024 по 2032 годы (см. табл. 1, [6]).

Таблица 1. Прогноз глобального рынка технологий ИИ в здравоохранении, млрд долл.


Современный рынок технологий ИИ представляет собой многогранную экосистему, состоящую из субрынков. В этой статье рассмотрим наиболее перспективные области применения ИИ, которые влияют не только бизнес, но и общество в целом.

Технологии не висят в воздухе: темпы изменения бизнес-процессов, квалификации персонала, соответствующей инфраструктуры также должны успевать переформатироваться. Внедрение ИИ в здравоохранение сталкивается с рядом сдерживающих факторов, которые имеют комплексный характер и применимы ко всему рынку в целом, эти барьеры будут рассмотрены в соответствующей части статьи.

1. Роботизированная хирургия

Объем субрынка прогнозируется на уровне 9,9 млрд долл. / 2024 г. и 34,9 млрд долл. / 2032 г., с ежегодным темпом роста (CAGR) в 17,1% в период с 2024 по 2032 годы.

Роботы с поддержкой ИИ могут использоваться для работы с чувствительными органами и тканями, доставлять хирургические инструменты, лабораторные образцы, в телехирургии.

Эффекты:

  • на 50% сокращение риска повторного вмешательства [7] (снижение кровопотери и риска инфицирования);
  • сокращение зависимости хирурга от ассистента в отношении манипуляций с областью охвата, облегчение работы медицинского персонала в операционной;
  • сокращение периода послеоперационного восстановления;
  • снижение требований к квалификации врачебного персонала.

Примеры использования:


2. Виртуальные и персональные медицинские помощники

Объем субрынка прогнозируется на уровне 1,7 млрд долл. / 2024 г. и 20,9 млрд долл. / 2032 г., CAGR 2024–2032 гг. равен 36,6%.

Несоблюдение правил приема лекарств приводит к 25% всех госпитализаций и 50% неудач в лечении [8]. Убытки, связанные с тем, что люди не принимают лекарства или принимают их неправильно, оцениваются примерно в 300 млрд долл. [9] ежегодно.

Пациенты забывают до 80% информации, которую они получают от врачей [10], поэтому существует потребность в решениях для напоминаний и консультаций пациентов, ответов на часто задаваемые вопросы с возможностью ответить на дополнительные вопросы или предложить дополнительную информацию в любое время, провести онлайн-диалог по проверке симптомов с предварительной диагностикой на основе анамнеза. Такого рода рутинные задачи, выполняемые виртуальным помощником с ИИ, значительно разгружают работу клинического персонала, позволяя врачам сосредоточиться на том, что действительно важно — уходе за пациентами.

Чат-боты также могут предоставить базовую медицинскую информацию и рекомендации, улучшая доступ к здравоохранению в регионах с недостаточным уровнем медицинского обслуживания.

Носимые устройства и технологии удаленного мониторинга пациентов, также известные как интернет медицинских вещей (IoMT), передают данные о состоянии здоровья в режиме реального времени в системы ИИ, что позволяет не только непрерывно отслеживать активность и другие показатели здоровья, но и анализировать их. Этот подход помогает выявлять потенциальные проблемы до того, как они станут критическими, обеспечивая проактивный подход к лечению.

Эффекты:

370% составила окупаемость инвестиций, ROI [11];

на 30% сокращение времени разговора [11];

свыше 23% запросов отвечены в нерабочее время чат-ботами [12].

Примеры:


3. Административный документооборот, стационарный уход и управление больницами

Объем субрынка прогнозируется на уровне 3,1 млрд долл. / 2024 г. и 22,8 млрд долл. / 2032 г., с ежегодным темпом роста (CAGR) в 28,2% в период с 2024 по 2032 годы.

В современном здравоохранении около 30% [13] рабочего времени врачей тратится на выполнение административных задач (например, анализ информации для записи или иного обмена релевантными сведениями, электронные медицинские карты, составление графиков и пр.). Это сокращает время, которое врачи могут использовать для эффективного и качественного ухода за пациентами.

Современные технологии, такие как автоматизация процессов и внедрение ИИ, могут сыграть ключевую роль в решении этой проблемы, взяв на себя часть административной нагрузки.

Эффекты:

  • на 83% сокращение времени, необходимого для размещения пациентов [14];
  • на 20% снижение конфликтов при составлении расписания [15];
  • на 55% снижение уровня эмоционального выгорания; на 61% снижение когнитивной нагрузки [16];
  • на 60% сокращение объема документации во внеурочное время [17].

Примеры:


4. Мошенничество и оплата медицинских услуг

Объем субрынка прогнозируется на уровне 1,6 млрд долл. / 2024 г. и 4,1 млрд долл. / 2032 г., с ежегодным темпом роста (CAGR) в 12,6% в период с 2024 по 2032 годы.

Мошеннические действия (например, страховые возмещения за неоказанные медицинские услуги, сознательное завышение счета) наносят урон отрасли здравоохранения на сумму более 500 млрд долл. ежегодно [18], что приводит к росту расходов на здравоохранение и увеличению страховых взносов для пациентов.

В США, например, ежегодно отклоняется до 40 тыс. заявок [9] на оплату медицинских услуг. Эти отказы становятся основным источником упущенной выгоды для поставщиков медицинских услуг, способствуя росту безнадежных долгов больниц и вынуждая пациентов оплачивать услуги из собственного кармана. Одной из главных причин отклонения заявок являются ошибки в медицинских кодах. Интеграция ИИ в системы обработки медицинских заявок минимизирует количество ошибок в кодировании и, как следствие, снижает уровень отклонений.

Внедрение ИИ не только повысит эффективность работы медицинских учреждений, но и может сделать систему более прозрачной и справедливой для всех участников (конечно, если алгоритмы ИИ не будут обучены в интересах какой-либо из сторон).

Эффекты:

  • В 2-3 раза увеличение количества случаев выявления мошенничества [18].

Примеры:


5. Точная (или прогностическая) медицина

Объем субрынка прогнозируется на уровне 2,7 млрд долл. / 2024 г. и 16,9 млрд долл. / 2032 г., с ежегодным темпом роста (CAGR) в 25,5% в период с 2024 по 2032 годы.

Стоимость медицинских ошибок только в США составляет 19,5 млрд долл. ежегодно [19], соответственно, совокупные мировые расходы превышают 50 млрд долл.

Около 48,5 миллионов пар сталкиваются с бесплодием во всем мире [20].

Эти ошеломляющие цифры затрагивают отдельные жизни, поэтому так важно создавать продуктивную среду здоровья.

Точная медицина сосредоточена на интеграции различных наборов данных (геномных, транскриптомных, поведенческих и т. д.) для каждого человека и для популяции людей, чтобы максимально точно стратифицировать болезни по отдельным подгруппам.

Благодаря этому подходу медицинские специалисты могут разрабатывать персонализированные планы лечения, учитывающие уникальные характеристики каждого человека. Такой уровень кастомизации значительно повышает эффективность здравоохранения, с учетом понимания ограничений используемых технологий.

Эффекты:

  • 70-80% точности в части предсказания реакции пациента на иммунотерапию [21];
  • на 15% повышение эффективности ЭКО [22], повышение точности прогнозирования жизнеспособности эмбрионов [23], на 4% увеличение шансов рождения живого ребенка [20].

Примеры:


6. Медицинская визуализация и диагностика

Объем субрынка прогнозируется на уровне 2,4 млрд долл. / 2024 г. и 18,0 млрд долл. / 2032 г., с ежегодным темпом роста (CAGR) в 28,7% в период с 2024 по 2032 годы.

Например, при анализе маммограмм ИИ способен обнаружить рак молочной железы с точностью 94,5%, что значительно превышает 88,4% [24] — показатель радиологов. Аналогично, в области компьютерной томографии, ИИ достигает точности в 96% при выявлении рака легких, в то время как уровень врачей - всего 75% [25].

Во всех областях медицины требуется более быстрая и качественная визуализация очагов поражения. Тем не менее, ИИ не способен гарантировать 100% точность в каждом конкретном случае. Следовательно, требуется объединить человеческий опыт медицинских работников с современными техническими возможностями, применять ИИ как дополнительный инструмент к традиционным методам [26].

Таким образом, будущее медицины — это не выбор между человеком и машиной, а их гармоничное взаимодействие.

Эффекты:

  • на 8% повышение диагностической точности [27].
  • на 45% сокращение времени до потенциально спасающего жизнь вмешательства по сравнению с обычной практикой за счет ускорения времени считывания и раннего предупреждения рентгенологов о возможном инсульте крупных сосудов [28].

Примеры:


7. Исследования, открытия и разработка лекарственных средств

Объем субрынка прогнозируется на уровне 2,1 млрд долл. / 2024 г. и 9,7 млрд долл. / 2032 г., с ежегодным темпом роста (CAGR) в 21,4% в период с 2024 по 2032 годы.

Традиционная разработка лекарственного средства, от появления его идеи до вывода на рынок, занимает около 12-15 лет при средних затратах на разработку в 1,4-2,6 млрд долл. [29, 30, 31]. При этом шансы на успех клинических испытаний остаются на уровне всего 10-15% [32].

Пространство химических соединений функционально бесконечно, в нем более 1060 возможных молекул, потенциально обладающих лекарственными свойствами [33]. Для создания лекарственного средства требуется исследовать это обширное химическое пространство в поисках небольшой части молекул, удовлетворяющих задаче многопараметрической оптимизации.

Ускоренный процесс поиска лекарств увеличит скорость лечения заболеваний, тем самым высвобождая ресурсы, которые могут быть использованы в областях, где наблюдается потребность.

Эффективные лекарства от рака, ожирения, диабета, аутизма – это не только рынки на миллиарды долларов, но и сильное изменение социума. Улучшение здоровья населения напрямую влияет на качество жизни и расширяет границы трудоспособного возраста. В свою очередь, это создает мультипликативные эффекты в экономике: от изменения требований к образованию до адаптации транспортных систем.

Эффекты:

  • на 10% увеличение вероятности успеха испытаний; на 20% снижается стоимость и продолжительность испытаний [34];
  • на 7-10 мес. сокращение времени за счет отказа от ручной настройки при многоузловом обучении [31];
  • 1-2 года сокращение времени одобрения лекарственного средства [35].

Примеры:


8. Прочее

Объем субрынка прогнозируется на уровне 4,8 млрд долл. / 2024 г. и 53,5 млрд долл. / 2032 г., с ежегодным темпом роста (CAGR) в 35,0% в период с 2024 по 2032 годы.

Прочее применение ИИ в здравоохранении включает:

  • обеспечение безопасности данных, кибербезопасность;
  • обеспечения работы регулирующих органов и взаимодействия с ними [34];
  • обеспечение сотрудничества в области исследований, согласованности и совместимости данных;
  • обучение, передача знаний, оценка работы персонала [36];
  • прочее применение.

Оценочно, объем российского рынка ИИ в здравоохранении составит 0,4 млрд долл. или 40,0 млрд. руб. / 2024 г. (см. табл. 2).

Таблица 2. Прогноз российского рынка ИИ в здравоохранении, млрд долл.


Несмотря на то, что технологии ИИ демонстрируют эффективность в здравоохранении, большинство проектов оказываются неудачными. Например, ИИ на текущем этапе не доказал эффективность использования для уменьшения симптомов депрессии у подростков [37].

Однако, объем мирового рынка стоимости врачебных ошибок, мошенничества в здравоохранении с учетом косвенных потерь для экономики и систем социального обеспечения составляет триллионы долларов. Именно поэтому, с учетом глобальных вызовов, идет поиск применения технологии ИИ и других.

Тенденции и вызовы применения ИИ в здравоохранении

Анализ статей, мнений и дискуссий вокруг ИИ позволяет выделить ряд тенденций. Часть из которых рассмотрена далее:

  1. Мульти-модальная аналитика. ИИ будет способен обрабатывать и анализировать всевозможные данные о пациентах — от комплексной оценки здоровья и эффективности предыдущего лечения до анализа профилей в социальных сетях и данных о покупательской способности. Эта информация может существенно изменить подход к организации медицинской помощи и оптимизации бизнес-процессов.
  2. Роль медицинского персонала. Врачи общей практики, медсестры и терапевты будут всё больше сосредотачиваться на решении сложных задач с помощью технологий ИИ [38]. При этом административные работники здравоохранения могут столкнуться с более значительными изменениями в своей профессиональной деятельности, чем клинические специалисты [39].
  3. Самостоятельное лечение. Увеличению доли самостоятельного лечения, домашней диагностики позволит перераспределить движение денежных средств.
  4. Персонализация. Целевая адаптация медицинских продуктов, включая услуги и взаимодействие с клиентами, под индивидуальные предпочтения пациентов для повышения эффективности медицинских услуг.

Для обеспечения более плавного внедрения технологий ИИ в медицинскую практику, необходимо установить доверительные отношения между результатами лечения, современными технологиями, работниками здравоохранения и конечным пользователем.

Необходимо отметить, что здравоохранение – консервативная отрасль, так как несет высокие риски здоровью и качеству жизни. Применение технологий ИИ, помимо традиционных вопросов по эффективности технологий / решений, затрагивает комплекс сложных чувствительных вопросов:

  1. Культура работы с данными (алгоритмическая предвзятость измерений, оценки, репрезентации, при аннотировании, выборе переменной и пр. [40], отсутствие достаточного количества клинически верифицированных данных высокого качества, соблюдение конфиденциальности).
  2. Контекстуальные медицинские и человеческие факторы (особенности профессиональной медицинской среды, принятые нормы медицинских профессий, особенно в отношении безопасности и риска, а также доверия и этики, приоритеты, которые являются основополагающими компонентами медицинской практики [41]).
  3. Эволюционирующий регуляторный ландшафт (нормативно-правовая база по применению ИИ в здравоохранении не должна отставать от реальной жизни – защищать права пациентов, регламентировать зоны ответственности всех участников процесса).

Применение технологий ИИ в здравоохранении — это динамично развивающаяся область, которая только с 2020 г. начала активно набирать вес в научной среде [41], поэтому единые стандарты оценки доказательств в сфере цифрового здравоохранения, а также механизмы взаимодействия и структура рынка находятся на стадии формирования. Этот процесс открывает новые горизонты для технологических прорывов и сотрудничества.

Заключение

В целом, использование технологии ИИ сейчас находится на стадии итерации. ИИ – это инструмент или "второе мнение" для врача.

Следующие 5-7 лет будут посвящены пониманию и ценности, которые общество может извлечь из этих цифровых активов, и тому, как они могут быть преобразованы в достижение лучших клинических результатов и последующего создания новых информационных ресурсов и инструментов.

Функции по уходу за пациентами никогда не могут быть полностью заменены искусственным интеллектом; однако задачи, которые отвлекают врачей от пациентов, могут.

Библиографический список

[1] McGinnis JM, Williams-Russo P, Knickman JR. The case for more active policy attention to health promotion. Health Aff (Millwood). 2002 Mar-Apr;21(2):78-93. doi: 10.1377/hlthaff.21.2.78. PMID: 11900188.

[2] 2025 Global Medical Trend Rates Report [Электронный ресурс] // Aon plc. – аналитическая компания. URL: https://www.aon.com/en/insights/reports/the-global-medical-trend-rates-… (дата обращения 05.10.2024).

[3] Total health expenditure as % of GDP [Электронный ресурс] // World Health Organization – Всемирная Организация Здравоохранения. URL: https://gateway.euro.who.int/ru/indicators/hfa_566-6711-total-health-ex… (дата обращения 05.10.2024).

[4] Mathieu Boniol, Teena Kunjumen, Tapas Sadasivan Nair, Amani Siyam, James Campbell, Khassoum Diallo. The global health workforce stock and distribution in 2020 and 2030: a threat to equity and 'universal' health coverage? [Электронный ресурс] // NCBI - Национальный центр биотехнологической информации. URL: https://pubmed.ncbi.nlm.nih.gov/35760437/ (дата обращения 05.10.2024).

[5] Global cancer burden growing, amidst mounting need for services [Электронный ресурс] // WHO – ВОЗ, это агентство Организации Объединенных Наций. URL: https://www.who.int/news/item/01-02-2024-global-cancer-burden-growing--… (дата обращения 05.10.2024).

[6] А. Мартынов. Технологии ИИ: нет ничего искусственного в заботе о здоровье [Электронный ресурс] // Хабр – СМИ. URL: https://habr.com/ru/articles/836182/ (дата обращения 05.10.2024).

[7] Patrick Probst (2023) A Review of the Role of Robotics in Surgery: To DaVinci and Beyond! [Электронный ресурс] // Missouri Medicine – медицинский журнал. URL: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10569391/ (дата обращения 05.10.2024).

[8] AI Voice Assistants In Healthcare: Top Use Cases [Электронный ресурс] //Enterprise Bot – медицинская ИТ-компания. URL: https://www.enterprisebot.ai/blog/ai-voice-assistants-in-healthcare-top… (дата обращения 05.10.2024).

[9] Sukanya Soderland. The Inevitability of Artificial Intelligence. Why healthcare needs the new technology [Электронный ресурс] // Oliver Wyman, LLC. – консалтинговая компания. URL: https://www.oliverwyman.com/our-expertise/insights/2017/nov/health-inno… (дата обращения 05.10.2024).

[10] Use Cases. Patient care plans [Электронный ресурс] // Abridge Al, Inc. – медицинская ИТ-компания. URL: https://mast-sample-abridge.webflow.io/use-cases (дата обращения 05.10.2024).

[11] The power of today’s market ready AI to reduce transaction fraud [Электронный ресурс] // Forrester – консалтинговая компания. URL: https://www.ibm.com/products/watsonx-assistant#Customer+benefits (дата обращения 05.10.2024).

[12] Virtual Assistants and chatbots [Электронный ресурс] // Healthcare Communications UK Ltd. – медицинская ИТ-компания. URL: https://healthcare-communications.com/solutions/virtual-assistants-and-… (дата обращения 05.10.2024).

[13] Andrew Cass. The hours 23 physician specialties spend on paperwork, administration [Электронный ресурс] // Becker's Healthcare - СМИ. URL: https://www.beckershospitalreview.com/hospital-physician-relationships/… (дата обращения 05.10.2024).

[14] Megan Kostner. Tampa General Hospital taps Palantir for care coordination AI software [Электронный ресурс] // Babcox Media Inc. - СМИ. URL: https://tbbwmag.com/2024/06/12/tampa-general-hospital-taps-palantir-for… (дата обращения 05.10.2024).

[15] The Profound Impact of AI in Healthcare Administration [Электронный ресурс] // ShiftMed – медицинская ИТ-компания. URL: https://www.shiftmed.com/blog/impact-of-ai-in-healthcare-administration/ (дата обращения 05.10.2024).

[16] Case study. Riverside Health decreases burnout rate 55% with Abridge [Электронный ресурс] // Abridge Al, Inc. – медицинская ИТ-компания. URL: https://www.abridge.com/case-study/riverside-health (дата обращения 05.10.2024).

[17] Case study. Reid Health boosts efficiency across the entire care team [Электронный ресурс] // Abridge Al, Inc. – медицинская ИТ-компания. URL: https://www.abridge.com/case-study/reid-health (дата обращения 05.10.2024).

[18] Prevent and save: advanced AI for fraud, waste and abuse [Электронный ресурс] // Mastercard – платежная система. URL: https://brighterion.com/healthcare-ai-reduce-fwa/ (дата обращения 05.10.2024).

[19] How Generative AI Can Help Reduce Medical Errors [Электронный ресурс] // Khalpey AI Lab – медицинская ИТ-компания. URL: https://khalpey-ai.com/how-generative-ai-can-help-reduce-medical-errors/ (дата обращения 05.10.2024).

[20] Ganes Kesari. Here’s How AI Is Helping Make Babies By Revolutionizing IVF Электронный ресурс] // Forbes Media LLC. - СМИ. URL: https://www.forbes.com/sites/ganeskesari/2022/06/30/heres-how-ai-is-hel… (дата обращения 05.10.2024).

[21] GE HealthCare Announces New Data Validating Artificial Intelligence Models for Predicting Patient Response to Immunotherapies [Электронный ресурс] // GE HealthCare Technologies Inc. – медицинская ИТ-компания. URL: https://www.gehealthcare.com/middle-east/about/newsroom/press-releases/… (дата обращения 05.10.2024).

[22] AI-Powered and Other Diagnostic Tools // Rhea Labs – медицинская ИТ-компания. URL: https://www.rhea-fertility.com/ecosystem/rhea-labs (дата обращения 05.10.2024).

[23] Lance Eliot. Generative AI Is Advising Your Co-Workers On How To Best Work With You [Электронный ресурс] // Forbes Media LLC. - СМИ. URL: https://www.forbes.com/sites/ganeskesari/2022/06/30/heres-how-ai-is-hel… (дата обращения 05.10.2024).

[24] Leveraging AI to Improve Detection of Cervical Precancer Infographic [Электронный ресурс] // National Cancer Institute - главным агентством федерального правительства по исследованию рака и подготовке кадров. URL: https://www.cancer.gov/research/improve-detection-of-cervical-precancer… (дата обращения 05.10.2024).

[25] Lung Cancer Screening with AI: Benefits and Challenges [Электронный ресурс] // Rayscape – Научно-исследовательская компания. URL: https://rayscape.ai/single-article?id=ZDPrkBAAAB8A5zn- (дата обращения 05.10.2024).

[26] Kendall K. Hall, Eleanor Fitall. Artificial Intelligence and Diagnostic Errors [Электронный ресурс] // Agency for Healthcare Research and Quality – Агентство по исследованиям и качеству здравоохранения. URL: https://psnet.ahrq.gov/perspective/artificial-intelligence-and-diagnost… (дата обращения 05.10.2024).

[27] ТОП-3 - цифровой помощник врача на базе ИИ [Электронный ресурс] // ООО "СберМедИИ" – медицинская ИТ-компания. URL: https://sbermed.ai/our-algorithms/top-3 (дата обращения 05.10.2024).

[28] Theresa Sevilis, Thomas Devlin. Validation of Artificial Intelligence to Limit Delays in Acute Stroke Treatment and Endovascular Therapy [Электронный ресурс] // Viz.ai, Inc. – медицинская ИТ-компания. URL: https://www.viz.ai/publications/validation-of-ai-to-limit-delays-in-acu… (дата обращения 05.10.2024).

[29] Richard C. Mohsa, Nigel H. Greigb. Drug discovery and development: Role of basic biological research [Электронный ресурс] // National Library of Medicine – Национальная библиотека по биомедицинской и геномной информации США. URL: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5725284/ (дата обращения 05.10.2024).

[30] Тихонова Ю. Искусственный интеллект ускорит создание лекарств в два-три раза [Электронный ресурс] // ComNews - СМИ. URL: https://www.comnews.ru/content/231682/2024-02-21/2024-w08/1007/iskusstv… (дата обращения 05.10.2024).

[31] Deloitte Builds Drug Discovery Pipelines With Generative AI in a Few Clicks Discovery [Электронный ресурс] // NVIDIA Corporation – ИТ-компания. URL: https://www.nvidia.com/en-us/case-studies/generative-ai-in-drug-discove… (дата обращения 05.10.2024).

[32] Duxin Sun, Wei Gao, Hongxiang Hu, Simon Zhou. Why 90% of clinical drug development fails and how to improve it? [Электронный ресурс] // ScienceDirect – ведущая платформа рецензируемой научной литературы. URL: https://www.sciencedirect.com/science/article/pii/S2211383522000521 (дата обращения 05.10.2024).

[33] A New Molecular Language for Generative AI in Small-Molecule Drug Discovery [Электронный ресурс] // NVIDIA Corporation – ИТ-компания. URL: https://www.nvidia.com/en-us/case-studies/generative-ai-for-small-molec… (дата обращения 05.10.2024).

[34] Generative AI in the pharmaceutical industry: Moving from hype to reality [Электронный ресурс] // McKinsey & Company – аналитическая компания. URL: https://www.mckinsey.com/industries/life-sciences/our-insights/generati… (дата обращения 05.10.2024).

[35] AI-Powered Drug Discovery [Электронный ресурс] // NVIDIA Corporation – ИТ-компания. URL: https://www.nvidia.com/en-us/industries/healthcare-life-sciences/drug-d… (дата обращения 05.10.2024).

[36] Robert Perkins. AI offers tool to improve surgeon performance [Электронный ресурс] // Medical Xpress – СМИ. URL: https://medicalxpress.com/news/2023-04-ai-tool-surgeon.html (дата обращения 05.10.2024).

[37] FH23: AI and humanity, a relationship for the future [Электронный ресурс] // Pharmaphorum - СМИ. URL: https://pharmaphorum.com/digital/fh23-ai-and-humanity-relationship-futu… (дата обращения 05.10.2024).

[38] Virimchi Pillutlaa, Adam B Landmanb, Jagmeet P Singhc (2024) Digital technology and new care pathways will redefine the cardiovascular workforce [Электронный ресурс] // The Lancet Digital Health, Volume 6, Issue 10, e749 - e754. DOI: 10.1016/S2589-7500(24)00155-9. URL: https://www.thelancet.com/journals/landig/article/PIIS2589-7500(24)0015… (дата обращения 05.10.2024).

[39] Davenport TH, Glaser JP. Factors governing the adoption of artificial intelligence in healthcare providers. Discov Health Syst. 2022;1(1):4. doi: 10.1007/s44250-022-00004-8. Epub 2022 Oct 31. PMID: 37521111; PMCID: PMC9628307 (дата обращения 05.10.2024).

[40] Ariana Mihan, Ambarish Pandey, Harriette GC Van Spall. Mitigating the risk of artificial intelligence bias in cardiovascular care (2024) The Lancet Digital Health, Volume 6, Issue 10, e749 - e754. DOI: 10.1016/S2589-7500(24)00155-9 (дата обращения 05.10.2024).

[41] David Hua, Neysa Petrina, Noel Young, Jin-Gun Cho, Simon K. Poon. Understanding the factors influencing acceptability of AI in medical imaging domains among healthcare professionals: A scoping review (2024) Artificial Intelligence in Medicine, Volume 147,2024, DOI: 10.1016/j.artmed.2023.102698. (дата обращения 05.10.2024).